Claude Science d'Anthropic a produit la première carte ultraviolette complète du ciel entier, une étape décrite par l'astrophysicien de Johns Hopkins, Brice Ménard, qui a dirigé le projet et détaillé le processus sur le site Web d'Anthropic. Cet effort, rapporté par The Decoder, montre comment des agents d'IA coordonnés peuvent absorber le travail fastidieux sur les données que les équipes de recherche ne pourraient autrement jamais effectuer.
La carte comble les lacunes laissées par les missions spatiales précédentes, en combinant des observations d'archives avec des reconstructions générées par modèle de régions qu'aucun télescope n'a entièrement couvertes. Il s'agit de l'un des exemples les plus concrets à ce jour de l'évolution de l'IA des chatbots et des assistants de codage vers la machinerie quotidienne de la recherche scientifique - un thème qui traverse une grande partie de la [couverture de la recherche sur l'IA] d'aujourd'hui (https://aibuzzwire.news).
Pourquoi une carte UV complète n'a jamais existé
La lumière ultraviolette est invisible depuis le sol. La couche d’ozone le bloque, ce qui signifie que l’astronomie UV ne peut être réalisée que depuis l’espace. La mission GALEX de la NASA, qui a étudié le ciel en ultraviolet de 2003 à 2013, a réussi à couvrir environ les deux tiers du ciel, mais a ignoré les régions brillantes de formation d'étoiles, où la lumière est si intense qu'elle peut endommager les détecteurs ou saturer les observations.
Cela a laissé environ un tiers du ciel sans couverture UV – y compris certains des quartiers les plus intéressants sur le plan scientifique, denses en jeunes étoiles et en formation stellaire active. Depuis plus d'une décennie, les astronomes travaillant avec des données UV ont dû faire face à ces trous, en rassemblant des vues partielles ou simplement en évitant les régions manquantes dans leurs analyses.
Comment les agents IA ont assemblé la carte
Claude Science coordonne des équipes d'agents d'IA qui ont téléchargé les données de plusieurs missions spatiales, les ont calibrées et fusionnées en une seule carte cohérente. Là où des observations manquaient, le système utilisait l’inpainting – une technique dans laquelle un modèle apprend des données existantes pour reconstruire les lacunes.
Les résultats ont été validés par rapport à des mesures réelles : lors des tests, les prédictions du modèle s'écartaient des valeurs réelles d'environ 10 % en moyenne, selon la description du projet par Ménard. Ce taux d’erreur est important – c’est la différence entre un produit scientifiquement utilisable et une jolie image – et il suggère que les reconstructions sont suffisamment proches pour soutenir le travail exploratoire, même si elles ne remplacent pas l’observation directe.
La lumière UV révèle de la poussière éclairée par la lumière des étoiles, notamment des structures telles que des nuages autour de jeunes étoiles et des anneaux laissés par les explosions stellaires. Le ciel étant désormais entièrement couvert, les chercheurs peuvent étudier ces caractéristiques dans des régions qui étaient auparavant des angles morts.
L’approche de coordination des agents est aussi remarquable que le résultat. Plutôt qu'un modèle unique répondant aux questions, le système a décomposé le projet en tâches (localiser les archives de mission, extraire les données, vérifier l'étalonnage, aligner les projections, fusionner les enquêtes qui se chevauchent, identifier les lacunes) et les a assignées à des agents spécialisés qui ont travaillé tout au long du pipeline. Les scientifiques humains ont fixé les exigences et validé les résultats ; les agents ont effectué le travail d'assemblage qui aurait autrement nécessité une décennie à un étudiant diplômé.
Un outil pédagogique et un modèle
Ménard a déclaré que la carte est destinée à servir de matériel pédagogique, offrant pour la première fois aux étudiants et aux chercheurs une vue complète du ciel ultraviolet. Mais l’implication la plus importante pourrait être le flux de travail lui-même.
Il soupçonne que de nombreux scientifiques ont reporté des projets similaires – des efforts d’intégration de données à grande échelle et peu glorieux que l’IA pourrait désormais rendre possibles. Les archives des missions spatiales passées regorgent de données qui n’ont jamais été pleinement exploitées, non pas parce qu’elles manquent de valeur, mais parce que les nettoyer, les calibrer et les fusionner nécessiterait des années de travail acharné à une équipe de recherche. Les systèmes basés sur des agents comme Claude Science changent cette économie : la coordination et le traitement des données qui consommaient autrefois une carrière peuvent se produire dans un projet.
Il y a aussi une légère ironie dans la source de ces lacunes. GALEX a ignoré les régions de formation d’étoiles les plus brillantes, précisément parce qu’elles comptent parmi les cibles les plus précieuses – les moteurs de la formation de nouvelles étoiles que les astronomes souhaitent le plus étudier en lumière ultraviolette. Une mission conçue autour de la protection des instruments a fini par laisser ses quartiers les plus intéressants non cartographiés, et ce n'est que maintenant, avec la reconstruction assistée par l'IA, que cet angle mort est comblé.
Les mises en garde
Les régions peintes sont des prédictions et non des mesures. Environ un tiers de cette carte existe parce qu'un modèle a déduit à quoi devrait ressembler le ciel UV sur la base des données environnantes et des modèles appris des régions couvertes. L'écart moyen de 10 pour cent est un chiffre global ; des structures spécifiques – un léger anneau autour d’un reste stellaire, le bord d’un nuage de poussière – pourraient être moins fiables que ne le suggèrent les statistiques globales de la carte.
Ce n'est pas un licenciement. Chaque projet de reconstruction en astronomie est confronté au même compromis, et le projet Anthropic est transparent quant aux régions qui ont été déduites. Mais les chercheurs citant la carte devront distinguer les zones observées des zones reconstruites, en particulier pour les sources faibles ou inhabituelles.
Le projet marque également la volonté plus large d'Anthropic de positionner ses modèles dans les flux de travail scientifiques, de la carte du ciel à l'analyse des vulnérabilités des logiciels open source annoncée cette semaine. Pour la communauté astronomique, la conclusion immédiate est plus simple : un ensemble de données qui n’existait pas existe désormais, et les outils qui l’ont construit peuvent ensuite être orientés vers d’autres missions.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
